Sakana AI × WorkDaddy：LLMプロバイダー連携（2026年版）
Sakana AIをWorkDaddyエージェントチームのエンジンに：3の利用可能モデル、最大1Mトークンのコンテキスト、自分のキーで数分接続。
Sakana AIは2026年にWorkDaddyのモデルレイヤーが対応する178のLLMプロバイダーのひとつで、「その他のプロバイダー」グループに属します。カタログにはSakana AIの3モデルが収録：推論3、ビジョン入力3、ツール呼び出し3——エージェント作業に最も重要な能力です。最大コンテキストは1Mトークン。
概要データ
| 利用可能モデル数 | 3 |
|---|---|
| 推論モデル | 3 |
| ビジョンモデル | 3 |
| ツール呼び出し対応 | 3 |
| 最大コンテキスト | 1M tokens |
| APIエンドポイント | https://api.sakana.ai/v1 |
| APIキー変数 | SAKANA_API_KEY |
| SDKアダプター | @ai-sdk/openai-compatible |
| 公式ドキュメント | console.sakana.ai ↗ |
2026年、WorkDaddyエージェントをSakana AIで動かす理由
ツール呼び出し、コンテキストサイズ、コストがエージェントチームの駆動力を決めます。Sakana AIは3のツール呼び出しモデルをWorkDaddyにもたらし、最大1Mトークンのコンテキストでコードベース全体や長文レポートを扱えます。WorkDaddyはモデル非依存なので、重い推論はSakana AIの最強モデルに、大量処理は最安モデルにルーティングできます。
2026年、ECエージェントに最適なSakana AIモデル
WorkDaddyカタログにおけるSakana AIの現行フラッグシップ、新しい順：
Fugu Ultra — Quality-first multi-agent model for hard research, analysis, and competitions (1M context)
Fugu Ultra — Quality-first multi-agent model for hard research, analysis, and competitions (1M context)
Fugu — Multi-agent model for routing expert agents across complex analytical tasks (1M context)
Sakana AIをWorkDaddyに接続する方法
WorkDaddyは@ai-sdk/openai-compatibleアダプターでapi.sakana.aiと通信します。「設定 → モデル」で認証情報（通常はSAKANA_API_KEY）を追加し、デフォルトモデルを選ぶだけで、すべてのエージェントがすぐに使えます。
主要モデル
| モデル | コンテキスト | 推論 | リリース |
|---|---|---|---|
| Fugu Ultra | 1M | 対応 | 2026-06-15 |
| Fugu Ultra | 1M | 対応 | 2026-06-15 |
| Fugu | 1M | 対応 | 2026-06-15 |
動作の流れ
接続する
WorkDaddyの「設定 → モデル」でSakana AIを選び、APIキー（SAKANA_API_KEY）を貼り付けます。キーがなければマネージドゲートウェイから始められます。
エージェントに任せる
Fugu Ultraまたは3モデルのどれかをデフォルトに設定——エージェント別の上書きでタスクに合わせられます。
レビューして承認
どのモデルでもエージェント出力はドラフトファースト：これまで通りdiffをレビューして承認します。
よくある質問
2026年、WorkDaddyはSakana AIに対応していますか？
はい。Sakana AIは対応LLMプロバイダーで、カタログに3モデルが収録され、@ai-sdk/openai-compatibleアダプター経由で自分のAPIキーで接続します。
WorkDaddyで使えるSakana AIモデルはいくつですか？
Sakana AIのモデルは3収録されており、うち推論モデル3、ビジョン対応3です。
Sakana AIモデルのコンテキストウィンドウは？
最大モデルで1Mトークン——リポジトリ全体のストア作業や長文アナリティクスレポートに有効です。
Sakana AIはECエージェントに最適なLLMプロバイダーですか？
タスク構成次第です——Sakana AIは「その他のプロバイダー」グループに属します。WorkDaddyはモデル非依存なので、2026年の実務的な答えは組み合わせ：各タスクを最適なモデルにルーティングすることです。